[發明專利]一種基于MFD+譜聚類+SVM的路網交通狀態判別方法

在審

• 申請號: 201910161798.0
• 申請日: 2019-03-04
• 公開（公告）號: CN110210509A
• 公開（公告）日: 2019-09-06
• 發明（設計）人: 林曉輝;黃良;曹成濤;黎新華
• 申請（專利權）人: 廣東交通職業技術學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G08G1/01
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

本發明涉及神經網絡技術方法領域，更具體地，涉及一種基于MFD+譜聚類+SVM的路網交通狀態判別方法，具體步驟如下：(1)首先利用譜聚類算法對路網MFD進行交通狀態等級劃分；(2)然后使用劃分好的路網MFD參數訓練SVM多分類器，并給出基于混淆矩陣的模型分類結果精度評價方法；(3)最后搭建車聯網仿真平臺，選取BP神經網絡分類器作為比較分類器，進行實證分析。本發明一種基于MFD+譜聚類+SVM的路網交通狀態判別方法，利用譜聚類算法對路網MFD進行交通狀態等級劃分，然后使用劃分好的路網MFD參數訓練SVM多分類器，并給出基于混淆矩陣的分類結果精度評價方法，最后搭建車聯網仿真平臺，選取BP神經網絡分類器作為比較分類器，進行實證分析。

技術領域

本發明涉及神經網絡技術方法領域，更具體地，涉及一種基于MFD+譜聚類+SVM的路網交通狀態判別方法。

背景技術

路網交通狀態客觀反映路網交通運行情況，是提升城市交通控制與管理效率的關鍵所在。路網交通狀態判別方法一直是智能交通領域的研究熱點，總體上，可劃分為基于數據挖掘方法和基于交通流基本圖方法等兩大類。

(1)基于數據挖掘方法

基于數據挖掘方法是指利用神經網絡、深度學習、聚類算法、支持向量機、貝葉斯方法等機器學習算法進行數據挖掘，從而對路網交通狀態進行自動判別。如Montazeri-Gh(2011)等浮動車采集的平均速度、加速度、空閑時間百分比為數據集，采用K-means算法對實際路網交通狀態進行判別。楊慶芳(2014)等提出以大、小車速度變化情況為基礎，采用FCM聚類方法對高速公路交通狀態進行判別。邴其春(2015)等為提高交通狀態判別的精度，采用投影尋蹤技術和動態聚類方法構造地點交通參數與交通狀態之間的投影指標函數，并利用混合蛙跳算法來優化投影指標函數的投影方向，最后通過仿真數據對交通狀態判別閾值進行標定。何兆成(2016)等構建基于擁堵源與擁堵評價點之間的函數關系的可視化模型，利用梯度方向直方圖與主成分分析法提取交通運行狀態數據的特征值，采用高斯混合聚類方法劃分區域交通擁堵的空間分布模式。Zhang(2016)等以速度、交通流量、交通密度為數據集，利用灰色關聯分析和粗糙集理論，定義了多維屬性信息之間的關聯關系，建立了灰色關聯聚類模型，然后將灰色關聯隸屬度排序算法(GMRC)引入判別聚類優先級，從而分析城市路網的擁堵程度。Yang(2017)等為了提取交通流變化特征，利用無監督學習的譜聚類算法，以路段交通流量為數據集，分析區域路網的日交通狀態變化。吳志勇(2017)等針對交通流產生的大數據信息，結合深度學習算法提出一種離散化交通狀態的判別方法。商強(2017)等為了提高城市快速路交通狀態判別的準確性，構建了一種基于譜聚類與隨機子空間集成K最近鄰(RS-KNN)的交通狀態判別模型。

(2)基于交通流基本圖方法